실제값은 레이블 인코딩이고, 예측값은 소프트맥스로 나왔을때, 컨퓨전 매트릭스 만드는 방법

# 어떤것을 많이 틀리는지 확인한다.

# 이런것은 컨퓨전 매트릭스로 확인하는 것!

from sklearn.metrics import confusion_matrix
y_pred = model.predict(X_test)

y_pred.shape # 테스트 이미자가 10000개 
(10000, 10) # 출력

y_test[0]
9 #출력

y_pred[0]
# 출력
array([4.27080568e-06, 1.02400215e-07, 6.76651825e-06, 5.95587892e-07,
       2.32840534e-06, 1.21201472e-02, 4.48114770e-06, 1.23955883e-01,
       3.06501424e-05, 8.63874733e-01], dtype=float32)
       
y_pred[0].argmax()
9 #출력 예측결과와 y_test 비교

y_pred_labels = y_pred.argmax(axis=1)

y_pred_labels
array([9, 2, 1, ..., 8, 1, 5]) # 출력

y_test
array([9, 2, 1, ..., 8, 1, 5], dtype=uint8) # 출력

# confusion_matrix 가 이제 가능하다.

cm = confusion_matrix(y_test, y_pred_labels)
cm
# 출력
array([[857,   1,  15,  10,   5,   3, 106,   0,   3,   0],
       [  3, 966,   1,  22,   3,   0,   4,   0,   1,   0],
       [ 18,   1, 796,   6,  89,   0,  90,   0,   0,   0],
       [ 37,   6,  10, 854,  50,   0,  39,   0,   3,   1],
       [  0,   0, 105,  20, 783,   0,  92,   0,   0,   0],
       [  0,   0,   0,   0,   0, 959,   0,  24,   0,  17],
       [139,   0,  81,  17,  51,   0, 702,   0,  10,   0],
       [  0,   0,   0,   0,   0,  19,   0, 965,   0,  16],
       [  2,   0,   5,   4,   4,   3,   7,   5, 970,   0],
       [  0,   0,   0,   0,   0,   8,   1,  52,   0, 939]])

---

import seaborn as sb

sb.heatmap(data=cm, annot=True,fmt='.0f',cmap='RdPu')
plt.show()

히트맵으로 시각화